Fraunhofer IKS

Framework für Daten- und KI-Lebenszyklus

26. April 2022, 15:33 Uhr | Hoai My Van
Fraunhofer IKS: Framework für Daten- und KI-Lebenszyklus
© faraktinov / Stock.Adobe.com

Das Fraunhofer IKS entwickelt ein offenes, interoperables und technologieneutrales Framework, das den Daten- und KI-Lebenszyklus unterstützt und optimiert. Dadurch wird die Wertschöpfung durch KI deutlich gesteigert.

Industrie 4.0 beschreibt die fortschreitende Digitalisierung in der Produktion – Maschinen und Abläufe sind intelligent vernetzt, wodurch immer mehr Daten generiert werden können. Künstliche Intelligenz (KI) hat das Potenzial, aus diesen Daten Informationen zu generieren, um Produktion und Services zu verbessern. Mögliche Anwendungsszenarien sind vorausschauende Wartung (Predictive Maintenance), Optimierung und Automatisierung von Prozessen sowie Qualitätssicherung.
Allerdings kann dieses Potenzial aktuell noch nicht komplett ausgeschöpft werden, denn es existieren mehrere Technologiebarrieren, die die Generierung und Verarbeitung von Informationen einschränken und somit die Anwendung von KI erschweren.

Forum Künstliche Intelligenz

Die Autorin Hoai My Van spricht auf dem Forum Künstliche Intelligenz am 17. Mai 2022 im Science Congress Center Munich. Ihr Vortrag geht tiefer auf das hier vorgestellte Framework ein. 

Werfen Sie einen Blick in das weitere Programm und melden Sie sich mit dem VIP-Code FKI2022LV für die Konfernez an!

Erstes Hindernis stellt die Multi-Vendor-Landschaft in den heutigen Produktionsstätten dar, sprich: Maschinen von unterschiedlichen Herstellern aus verschiedenen Technologiegenerationen mit unterschiedlichen Kommunikationsschnittstellen und -protokollen sowie Betriebssystemen existieren nebeneinander. Durch diese Heterogenität ist ein einheitlicher Datenzugriff nicht möglich. Stattdessen gibt es viele technologiespezifische Insellösungen, für die Domänenwissen benötigt wird. Zwar existieren bereits Standards wie die Verwaltungsschale (Asset Administration Shell), OPC UA, MQTT, doch sind immer noch viele proprietäre Lösungen im Einsatz. Dadurch sind aktuell noch keine einheitliche Kommunikation und einfache KI-Integration möglich.

Zweites Hindernis ist die fehlende Unterstützung für den Data Scientist. Dieser hat kein Domänenwissen, weswegen er bei der Beschaffung von Echtzeit- oder historischen Daten Unterstützung benötigt. Denn es sind keine automatisierten Datenanfragen möglich, es gibt keine Übersicht über Topologie und verwendete Technologien, und teilweise fehlen Metadaten. Folglich ist der Datenverarbeitungsprozess häufig mühsam, langwierig, manuell und koordinationsaufwendig.

Drittes Hindernis ist der inflexible KI-Betrieb. KI-Anwendungen werden oft starr in der Cloud oder auf einem lokalen Server betrieben. Dadurch haben die Anwendungen nicht die Möglichkeit, die vorhandenen Ressourcen optimal zu nutzen. Zusätzlich sind Aktualisierungen der KI-Modelle notwendig, um auf Änderungen in der Produktion angemessen reagieren zu können, wofür jedoch noch keine allgemeine Lösung existiert.

Framework basiert auf service-orientierten Architekturen

Fraunhofer IKS: Framework für Daten- und KI-Lebenszyklus
Bild 1: Beispiel für einen Daten- und KI-Lebenszyklus bestehend aus sechs KI-Services (Sechsecke): Datenakquise, Datenverarbeitung, Datenaggregation, KI-Training, Datenanalyse mithilfe von KI, KI-Monitoring.
© Fraunhofer IKS

Um die Verwendung von KI in der Industrie 4.0 zu vereinfachen, entwickeln Forscherinnen und Forscher des Fraunhofer-Instituts für Kognitive Systeme IKS im Projekt „REMORA – Multi-Stage Automated Continuous Delivery for AI-based Software & Services Development in Industry 4.0“ ein offenes, inter-operables und technologieneutrales Framework, das Teile des Daten- und KI-Lebenszyklus unterstützt (Bild 1). Der Daten-Lebenszyklus bezieht sich in diesem Kontext auf die Schritte von der Datenentstehung über die Datenaggregation und Datenverarbeitung bis hin zur Datenanalyse – mit Unterstützung von KI. Und der KI-Lebenszyklus umfasst die Schritte vom KI-Training über KI-Deployment und KI-Betrieb bis hin zur KI-Überwachung und KI-Aktualisierung. Ziel des Frameworks ist:

  • die Unterstützung eines Data Scientist durch vereinfachten Zugriff auf die benötigten Daten,
  • eine flexible Integration von KI von der Komponentenebene bis hin in die Cloud,
  • die Automatisierung des KI-Lebenszyklus.

Grundlage des Frameworks sind serviceorientierte Architekturen, in denen sich modulare KI-Services flexibel verteilen, austauschen und aktualisieren lassen. Ein KI-Service implementiert Teile des Daten- oder KI-Lebenszyklus. Die Form eines KI-Services kann vielfältig sein: ein direkt in die Komponentenebene integriertes KI-Modell, eine virtuelle Maschine auf der Edge, ein Container in der Cloud, etc.

Das entwickelte Framework stellt eine Bibliothek von unterschiedlichen Funktionalitäten für diese KI-Services zur Verfügung, die Entwicklung, Integration, Betrieb und Aktualisierung von KI-Anwendungen unterstützt und vereinfacht.


  1. Framework für Daten- und KI-Lebenszyklus
  2. Ein Framework für die Stufen der Produktionsautomation
  3. Workflow mit KI-Unterstützung

Das könnte Sie auch interessieren

Verwandte Artikel

Fraunhofer-Gesellschaft e.V. Zentrale München

Künstliche Intelligenz